基于频率域特征分离和迭代优化大气光的偏振去雾方法技术

本发明专利技术公开了一种基于频率域特征分离和迭代优化大气光的偏振去雾方法，涉及图像去雾技术领域。包括获取同一目标场景下的无偏振图像和不同偏振角度的多幅偏振图像；通过多尺度变换获取偏振图像的低频图像；获取低频图像中值滤波后的大气散射光图像；利用大气散射光图像构造Stokes矢量，获取大气散射光总光强；构建雾天成像的物理模型，获取重构后的去雾图像；对重构后的去雾图像执行NSP分解得到高频图像，并进行归一化处理；构造大气散射光总光强和归一化高频图像之间的约束函数，通过迭代优化大气散射光总光强获取优化后的去雾图像。本发明专利技术利用去雾图像的高频图像迭代优化大气光，提高了偏振去雾效果。提高了偏振去雾效果。提高了偏振去雾效果。

【技术实现步骤摘要】
基于频率域特征分离和迭代优化大气光的偏振去雾方法


[0001]本专利技术涉及图像去雾
，更具体的说是涉及基于频率域特征分离和迭代优化大气光的偏振去雾方法。

技术介绍

[0002]随着不良气象环境正呈现出影响范围广、持续时间长和浓度大等特点，严重影响到了光学探测系统的工作，在雾霾天气下，目标场景的对比度下降，难以通过一般的光学成像手段对采集的目标场景图像进行信息提取和处理。增强雾霾天气下目标成像的对比度，改善图像质量，提高能见度的去雾技术在户外视频监控、日常照片处理、航拍和水下图像处理，以及现有汽车、船舶的安全辅助驾驶系统等诸多领域都具有非常重要且长远的应用价值。
[0003]经过长期发展，先后出现了基于图像增强、基于物理模型、基于深度学习三种大类的图像去雾方法。基于图像增强的方法因为不考虑图像退化的本质原因，所以效果有限，而新兴的以深度学习为基础的方法则都受限于训练集，在真实场景应用的鲁棒性还有待提升。基于物理模型的去雾方法又包括以He等人提出的暗通道去雾方法为代表的基于先验的单幅图像去雾方法和以Schechner等人提出的差分偏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于频率域特征分离和迭代优化大气光的偏振去雾方法，其特征在于，所述方法包括以下步骤：获取同一目标场景下的无偏振图像和不同偏振角度的多幅偏振图像；通过多尺度变换获取每幅偏振图像对应的低频图像；对每幅低频图像分别执行中值滤波，获取每幅低频图像对应的大气散射光图像；利用每幅低频图像对应的大气散射光图像构造大气散射光的Stokes矢量，并根据大气散射光的Stokes矢量计算大气散射光总光强；根据无偏振图像和大气散射光总光强构建雾天成像的物理模型，并根据雾天成像的物理模型得到重构后的去雾图像；对重构后的去雾图像执行NSP分解得到对应的高频图像，并对高频图像进行归一化处理，获取归一化后的高频图像；构造大气散射光总光强和归一化后的高频图像之间的约束函数，通过迭代优化大气散射光总光强获取优化后的去雾图像。2.根据权利要求1所述的偏振去雾方法，其特征在于，不同偏振角度的多幅偏振图像包括同一目标场景下0
°
、60
°
、120
°
三个偏振角度的偏振图像。3.根据权利要求1所述的偏振去雾方法，其特征在于，通过多尺度变换获取每幅偏振图像的对应的低频图像具体包括：采用NSP变换分别对每幅偏振图像进行分解，取分解层数为四层，获取每幅偏振图像分解后对应的低频图像。4.根据权利要求2所述的偏振去雾方法，其特征在于，利用每幅低频图像对应的大气散射光图像构造大气散射光的Stokes矢量，具体表达式包括：式中，S
A
表示大气散射光的Stokes矢量；S
AI
表示大气散射光总光强；S
AQ
、S
AU
分别代表大气散射光的两个线性偏振光强差；A0、A
60
、A
120
分别表示0
°
、60
°
、120
°
偏振图像的低频图像经中值滤波后的大气散射光图像。5...

【专利技术属性】
技术研发人员：孙锐，廖郯彬，范之国，张旭东，王长祥，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：